Grafana Labs hat auf seiner Hausmesse GrafanaCON 2026 in Barcelona Version 13 seiner Open-Source-Observability-Plattform vorgestellt. Neben einer Reihe neuer Dashboard-Funktionen umfasst das Release tiefgreifende Änderungen an der Log-Datenbank Grafana Loki sowie vereinfachte Installationspakete für OpenTelemetry.

Wie Grafana Labs in der Ankündigung erläutert, reagiert das Unternehmen mit den Neuerungen auf ein Kernproblem vieler IT-Teams: Laut dem von Grafana Labs durchgeführten Observability Survey 2026 nennen mehr als 38 Prozent der befragten Organisationen Komplexität als größte Herausforderung – während gleichzeitig über 77 Prozent auf Open Source oder offene Standards setzen.

Suggested Dashboards und Dynamic Dashboards

Ein zentrales Feature in Grafana 13 sind die Suggested Dashboards. Diese Funktion analysiert angebundene Datenquellen und schlägt auf Basis einer Kompatibilitätsbewertung geeignete Dashboards vor – inklusive vorgefertigter Templates etwa für DORA-Metriken oder USE/RED-Methoden. IT-Teams, die standardisierte Monitoring-Methoden einsetzen, sollen damit schneller zu aussagekräftigen Visualisierungen kommen, ohne bei null anfangen zu müssen. Die Funktion steht als Public Preview in allen Editionen von Grafana 13 zur Verfügung.

Als allgemein verfügbar gelten auch die Dynamic Dashboards, die auf einem neuen Dashboard-Schema (v2) aufsetzen. Sie bieten unter anderem Verschachtelung, Tabs und Drag-and-Drop-Layouts. Ebenfalls allgemein verfügbar in allen Editionen: Visualization Suggestions, die anhand von Metadaten automatisch geeignete Darstellungsformen für Daten vorschlagen. Saved Queries ermöglichen die Wiederverwendung häufig genutzter Abfragen – eine Funktion, die besonders in größeren Teams das Onboarding beschleunigen sollte.

Loki: Bis zu 20-mal weniger gescannte Daten

Für die Log-Datenbank Loki hat Grafana Labs die Architektur grundlegend überarbeitet. Ein neuer Query Planner teilt Abfragen in parallele Partitionen auf und nutzt Data Locality, um Zugriffe effizienter zu gestalten. In Kombination mit einer auf Apache Kafka basierenden Ingestion-Pipeline sollen bis zu 20-mal weniger Daten bei Aggregationsabfragen gescannt werden und die Antwortzeiten um den Faktor 10 sinken. Unternehmen mit hohem Log-Aufkommen sollten dadurch ihre Infrastrukturkosten für Speicher und Rechenleistung deutlich senken können.

Ergänzend hat Grafana Labs das Start-up Logline übernommen, das auf performante Suche in Log-Daten spezialisiert ist, die eine hohe Kardinalität aufweisen. Die von Gründer Jason Nochlin entwickelte Technologie soll „Nadel-im-Heuhaufen“-Abfragen verbessern – etwa die Suche nach einer bestimmten User-ID oder einem seltenen Fehlercode in großen Datenmengen. Integriert in Loki soll Logline präzise Volltextsuche ermöglichen, ohne den Index-Aufwand zu erhöhen. Gerade bei strukturierten Logs im OpenTelemetry-Format mit vielen einzigartigen Attributwerten ist das relevant.

Vereinfachtes OpenTelemetry-Setup und Git-Sync

Beim Thema OpenTelemetry (OTel) setzt Grafana 13 auf Vereinfachung: Neue integrierte Pakete erlauben die Installation unter Linux mit einem einzigen Kommando, für Kubernetes steht ein Operator bereit. Die eigene OTel-Collector-Distribution Grafana Alloy unterstützt nun einen OTel-Engine-Modus mit YAML-Konfiguration, was den Einstieg in die Telemetrie-Instrumentierung erleichtert.

Für den Betrieb im Team stellt Grafana 13 ab sofort eine Git-Sync-Funktion bereit. Hinweis für frühe Umsteiger: Ein Migrationsfehler in Version 13.0.0 kann beim Upgrade von Grafana v12 mit aktiviertem Git Sync Dashboards und Ordner zurücksetzen – Grafana Labs empfiehlt daher, vorab die Upgrade-Hinweise in der Dokumentation zu prüfen. Dashboards lassen sich damit bidirektional mit GitHub, GitLab, Bitbucket oder generischen Git-Repositories synchronisieren – ein Schritt in Richtung Infrastructure as Code (IaC) für Monitoring-Konfigurationen. Ein überarbeitetes Secrets-Handling, Dashboard Restore und der neue Grafana Advisor für automatische Health Checks runden das Release ab. Grafana 13 unterstützt laut Anbieter nun über 170 Datenquellen und 120 Visualisierungspanels.

Co-Gründer Anthony Woods betonte in seiner Keynote, die Zukunft der Observability werde „durch Interoperabilität und Community-getriebene Innovation definiert, nicht durch geschlossene Systeme“. Grafana Labs zählt nach eigenen Angaben mehr als 35 Millionen Nutzer weltweit und beschäftigt über 1.400 Mitarbeiter in mehr als 40 Ländern.

(map)

Mit Version 2.0.0 erhält das Open-Source-CRM Twenty ein umfangreiches Update. Das Release setzt Schwerpunkte auf KI-Integration, Performance-Optimierungen und Infrastruktur für Self-Hosting und Cloud-Deployments. Zudem bündelt es Verbesserungen am SDK, erweitert die Mechanismen für Authentifizierung und Integration und bringt zahlreiche Optimierungen an Oberfläche und Stabilität.

Twenty ist eine Open-Source-Software fürs Customer-Relationship-Management und versteht sich als entwicklerfreundliche Alternative zu etablierten CRM-Systemen wie Salesforce. Im Zentrum stehen ein modularer Aufbau, ein eigenes SDK sowie Self-Hosting und die Anbindung externer Dienste.

KI-Integration über MCP

Einen Schwerpunkt des Releases bildet der Ausbau der KI-Funktionen und ihre Integration in externe Systeme. Intern wird Agent zu Ai umbenannt, ergänzt um neue Fehlercodes für typische Zustände wie fehlende Threads oder Nachrichten. Zudem verbessert Twenty die Anbindung externer KI-Clients über OAuth und das Model Context Protocol. MCP verbindet KI-Modelle standardisiert mit Anwendungen – etwa über OAuth-gesicherte Schnittstellen. In der Praxis kann damit etwa ein LLM-Client wie Claude direkt auf CRM-Daten zugreifen, abgesichert über etablierte Authentifizierungsmechanismen.

Schlankeres SDK und neue Deployment-Optionen

Für Entwickler bringt Version 2.0 vor allem tiefgreifende Änderungen am SDK. Dieses ist nun in Subpaths aufgeteilt, sodass Anwendungen gezielt nur die benötigten Module laden. Die Bundle-Größe für Logic Functions schrumpft dadurch drastisch – laut Entwicklerangaben um den Faktor 700. Vor allem in Serverless-Umgebungen profitieren Nutzer: Kleinere Bundles verkürzen Cold Starts und verbessern die Performance. Hinzu kommen neue Funktionen für App-Manifeste, etwa zur Definition von Sortierlogiken.

Auch bei der Infrastruktur legt Twenty nach. Neue Docker-Targets und -Konfigurationen erleichtern Deployments, insbesondere im Zusammenspiel mit AWS EKS. Auch beim Self-Hosting baut Twenty die kommerziellen Funktionen aus: Das Release ergänzt Abläufe für Lizenzierung und Abrechnung, darunter Checkout, Aktivierung, Statusabfrage und Sitzplatzverwaltung.

Härtung von Authentifizierung und Performance

Bei der Sicherheit und Authentifizierung gibt es mehrere Änderungen, die vor allem für den produktiven Einsatz relevant sind. Public Clients sichern OAuth nun zwingend mit PKCE (Proof Key for Code Exchange) ab. Das erschwert Angriffe auf Authorization Codes. Zudem folgen die Implementierungen nun den Spezifikationen RFC 9728 und MCP. Für browserbasierte Clients korrigiert Twenty den WWW-Authenticate-Header. Zudem schließt das Release konkrete Schwachstellen, etwa rund um Prototype Pollution und unbegrenzt wachsende Attachments in socket.io.

Verbesserungen bei der Performance betreffen vor allem den Backend- und Serverless-Betrieb. Twenty nutzt nun einen Cache für ESM-Module über mehrere Lambda-Aufrufe hinweg und senkt so die Kosten wiederholter Initialisierung. Weitere Optimierungen beheben ineffiziente Datenbankabfragen, die zuvor durch unbeabsichtigte kartesische Produkte zu Timeouts führen konnten.

Überarbeitete Oberfläche und weitere Neuerungen

Auch die Oberfläche hat das Twenty-Team überarbeitet. Sie präsentiert sich unter dem Schlagwort „Hero 2.0“ in neuem Design. Hinzu kommen funktionale Verbesserungen wie Reset-Optionen für Layouts, ein Icon-Picker für Tabs und konsistentere UI-Komponenten. Das Admin-Panel läuft jetzt über einen eigenen GraphQL-Endpunkt, was die Verantwortlichkeiten klarer trennt.

Zudem führt Twenty einen SVG-Export ein und verbessert die Steuerung von Metadaten und Events. Letztere sind nun stärker an einzelne Nutzer gebunden, sodass sich Benachrichtigungen und Datenströme gezielter isolieren lassen.

Flankiert wird das Release von umfangreichen i18n-Updates für Oberfläche und Dokumentation sowie einer überarbeiteten Website samt Sitemap und robots.txt. Hinzu kommen zahlreiche kleinere Bugfixes, Refactorings und Stabilitätsverbesserungen. Die vollständige Liste der Änderungen findet sich in den Release Notes auf GitHub.

(fo)

In seinem Vortrag „KI-zentrierte Softwaredokumentation: Einblicke in die Praxis von KI-Startups“ auf der Online-Konferenz betterCode() ArchDoc 2025 hat Ingo Eichhorst Konzepte für die automatisierte Dokumentation von Architekturprojekten vorgestellt. Dabei zeigt er praxisnahe Beispiele aus seinen Arbeitsbereichen in KI-Start-ups.

Die von ihm vorgestellten Ansätze reichen von der automatisierten Qualitätssicherung durch simulierte Interaktionen von Entwicklern bis hin zu sich selbst dokumentierenden Systemen. Dabei können moderne Dokumentationssysteme nicht nur Wissen festhalten, sondern auch die Resilienz des gesamten Softwaresystems erhöhen.

Sein Ansatz startet bei der Spezifikation eines Projekts, die nicht nur die zu erfüllenden Aufgaben der Software beschreibt, sondern auch weitere benötigte Daten aus dem Kontext mitliefert wie Architekturvorgaben, Domänenmodell oder Unternehmensspezifika: „Gib dem Modell die Informationen, die du selbst bräuchtest, um die Aufgabe zu erfüllen“, lautet das Motto des Redners. Die Spezifikation wird zur Single Source of Truth, und Entwicklerinnen und Entwickler arbeiten in Folge nur mit dieser.

Die konkrete Ausgestaltung des Codes und der zugehörigen Dokumentation obliegt hingegen dem LLM. Konkrete Hilfsmittel für die KI können dabei etwa eine Repo-Map und ein arc42-Template sein. Auch durch Korrekturschleifen erforderliche Änderungen finden nur in der Spezifikation statt. Die Entscheidungen für diese Anpassung der Architektur ergeben dabei mehr oder weniger fertige Architecture Decision Records.

Grafiken und Storytelling

Für die konkrete Ausgestaltung der Dokumentation ergeben sich mithilfe von KI viele Möglichkeiten: Das LLM übernimmt eine zielgruppengerechte Lesersicht, schreibt lesefreundliche, einfach zugängliche Geschichten zum Projekt und reduziert so die kognitive Belastung. Auch die zugehörigen Grafiken lassen sich automatisiert zum Beispiel aus JSON-Angaben erzeugen.

Sogar eine Bewertung der Dokumentation kann durch KI selbst erfolgen, zum Beispiel durch Digital Twins von Menschen. Das LLM korrigiert dann auf Wunsch automatisiert seine Arbeit. Am Schluss des Vortrags stellt Eichhorst ein Projekt vor, in dem die KI eine komplette Doku überarbeitet hat. Dabei lässt sich ein Wildwuchs aus verzweigten, über viele Webseiten verteilten Angaben systematisch zusammenführen.

(who)